手机语音识别应用中DSP的选择

手机语音识别应用中DSP的选择
手机语音识别应用中DSP的选择
随着DSP技术的进步，计算能力更强、功耗更低和体积更小的DSP已经出现，使3G手机上
植入更精确更复杂的自动语音识别(ASR)功能成为可能。目前，基本ASR应用可以分成三
大类：1. 语音-文本转换(语音输入)；2. 讲者识别；3. 语音命令控制(语音控制)。
　　这三类功能包含了3G所需的众多ASR性能。语音-
文本转换的典型实例是语音拨号和电子邮件听写。讲者识别功能可以通过语音识别安全
地读出存储器中的个人数据，从而满足信用卡定购和银行服务等保密性高的应用需要。
语音命令控制功能包括连接语音扩展标记语言(VXML)网站内容的语音接口，它支持财经
服务与目录助理等业务。目前VXML被用于规范网站内容的语音标签。
　　语音识别的两种方法
　　3G手机的ASR应用设计可分为两类，即以终端为中心和以客户/服务器为中心的应用
。如图1所示为以终端为中心的设计方法，3G手机(终端)执行整个语音识别过程并送出识
别结果。在图2所示的客户/服务器方法中，终端只是执行预处理特征提取，然后通过一
个误码受保护的数据信道将这些参数发送给中心服务器，中心服务器最终完成语音识别
。如果采用以客户/服务器为中心的设计方法，3G手机应使用数据信道而非移动信道来将
语音发送给服务器进行识别，因为移动信道所用的低速率语音编码会严重影响语音识别
的性能。
　　各种ASR系统的差异主要体现在词汇量上。一个简单的网络设备可能只需要16字的词
库就能实现所要求的语音识别功能，而3G移动手机则需要更大的专业词库。这些词汇可
以跟讲者相关(训练语音识别设备使之熟悉用户的声音特征)或跟讲者无关(语音识别设备
可以识别任何人的声音)，DSP的计算负荷就随着词汇量和训练数据的增加而增大。
　　例如，根据隐性马尔可夫模型(HMM)可以分析一个典型的跟讲者无关的100条命令识
别的应用实例。